Synthèse de réseaux de neurones par codage cellulaire et algorithmes génétiques

Autrefois consideres comme une machine vouee a un apprentissage realise a l'aide de petites modifications successives de parametres, les reseaux de neurones artificiels sont en train de changer de statut. De telles methodes d'apprentissage ne permettent pas en effet de generer de gros reseaux necessaire a la resolution de problemes consequents. Cette these soutient les trois points de vue suivant: 1) le mot cle pour sortir de l'impasse est modularite. 2) l'outil cle pour generer des reseaux de neurones modulaires est le codage cellulaire. 3) la methode d'optimisation cle pour explorer l'espace de recherche des codes cellulaires est l'algorithme genetique. Le premier point est une idee a present repandue. Par reseaux de neurones modulaires, on entend un reseau de neurones se decomposant en sous-reseaux, d'une facon hierarchique, avec des sous-reseaux qui peuvent se repeter. Cette these se decompose en deux parties. La premiere partie demontre le deuxieme point. Le codage cellulaire est presente comme un veritable langage machine de reseaux de neurones, avec des fondements theoriques (c'est en fait une grammaire de graphe, verifiant un certain nombre de proprietes) et un compilateur de langage evolue. La deuxieme partie demontre le troisieme point. L'application des algorithmes genetiques a la synthese de reseaux de neurones en utilisant le codage cellulaire est une nouvelle technologie. Cette technologie permet de resoudre des problemes encore jamais resolus. Elle peut automatiquement et dynamiquement decomposer un probleme en une hierarchie de sous-problemes, et generer un reseau de neurones dont la structure hierarchique de sous-reseaux reflete celle du probleme. Elle permet d'experimenter des domaines de recherche encore vierges comme par exemple, l'interaction entre apprentissage genetique et apprentissage de poids ou la mise au point d'apprentissages connectionnistes adaptes a l'algorithme genetique